QAR数据的应用与研究进展

摘要：随着飞行品质管理的推行，QAR数据在飞行运行管理中的应用得到了快速发展，QAR数据作为记录航空器飞行状态的重要客观数据，是飞行运行安全的重要依据。本文简要介绍了QAR数据，并从飞行安全管理、飞行员操作特征分析、环境污染影响、航空器油耗检测、航空器维修五个方面来阐述当前的应用情况与研究进展。

关键词：QAR数据；飞行安全；安全管理

ApplicationandResearchProgressofQARData

HeGang1ChenXingjuan1LuFei2ChenHaonan2

1.OkayAirwaysCompanyLimitedTianJin300300；

2.CollegeofAirTrafficManagement，CivilAviationUniversityofChinaTianjing300300

Abstract：Withtheimplementationofflightqualitymanagement，theapplicationofQARdatainflightoperationmanagementhasbeendevelopedrapidly.Asanimportantobjectivedatatorecordtheflightstatusofaircraft，QARdataisanimportantbasisforflightoperationsafety.ThispaperbrieflyintroducesQARdata，andexpoundsthecurrentapplicationandresearchprogressfromfiveaspects：flightsafetymanagement，pilotoperationcharacteristicsanalysis，environmentalpollutionimpact，aircraftfuelconsumptiondetectionandaircraftmaintenance.

Keywords：QARdata；Flightsafety；Safetymanagement

1QAR数据

快速存储记录器（QuickAccessRecorder，QAR）是一种机载数据记录仪。航空器整个运行过程中飞行参数的实时变化情况和性能状态可以通过快速存储记录器来量化。其中，飞行参数主要涉及航空器轨迹、姿态、飞行操作与气象条件等，从而客观全面地再现航空器整个飞行过程中的飞行品质和飞行员的操作表现，是飞行流程检验、飞行风险评估、飞行故障排查的重要支撑，同时也为不安全事件的数据挖掘、要素分析以及预测提供数据保障，为研究飞行安全提供了全面有效的数据支持。

为了将风险管理落到实处，提高航空器的安全性，自1993年以来，中国民航开始研究飞行品质监控［1］。在1997年，我国民航业开始实施飞行品质监控工程，并在行业内进行大面积推广，截至目前，飞行品质监控工作已经被正式纳入中国民航运行管理。2000年12月5日，民航局航空安全办公室颁布了有关规定，从设备的安装及监控要求、机构设置和人员安排以及飞行运行这三个方面提出了具体要求［2］。2010年1月4日，民航局颁布了中国民用航空有关规章［3］，在2012年中国民用航空局飞行标准司又以规章形式提出了有关飞行品质监控工作的相关要求，明确了飞行品质监控的范围以及相关超限标准［2］。

2QAR数据的应用

2.1飞行安全管理

国内对航班运行安全风险研究所采用的传统方法大多从机组人员、航空器类别、环境影响和飞行管理4个部分出发，采用相关方法对影响飞行安全的因素进行分析和确定，从而建立飞行安全评价指标相关体系，最后运用数学知识综合评价飞行安全，但是上述的研究大都偏于管理。

从QAR数据出现以来，其越来越多地应用于飞行安全的分析与研究，通过对飞行品质监控标准和QAR数据的分析，基于超限事件建立飞行安全风险评价指标体系已趋于主流，其研究方向主要包括以下两个方面。

（1）利用数理统计和传统风险评估模型对记录的超限事件进行建模分析，针对典型不安全事件如擦机尾、重着陆、冲/偏出跑道进行风险识别与评估。这个研究方法比较宏观，其通常是针对某一机队或是某一危险事件，分析统计事故数据而得出定性结论。如孙瑞山等［4］通过利用科尔莫格罗夫斯米诺夫检验方法来模拟航空器起飞离地仰角值的分布情况，从而对飞行机队的起飞操作进行评价。汪磊等［5］在QAR数据的基础上，运营蒙特卡洛模拟建立擦机尾风险分析的模型，为机队提供了可靠性参考指标。

（2）利用机器学习、深度学习等算法对飞行风险事件进行分析与预测，该研究方法侧重于针对单个航班进行分析，通过QAR记录的各飞行参数、操作参数、环境参数来推导下一时刻风险事件发生的可能。Tong等［6］基于提出了一个PCALSTM深度学习模型，通过相关飞行参数的前序时间特征，来预测航空器的接地时刻速度值。

2.2飞行员操作特征分析

QAR记录了飞行器状态的变化，这些变化主要与飞行员的操作有关，可以直接反映飞行员的操纵技能。飞行员的操纵技能主要在两个方面体现：首先，表现在他们掌握操作时机和力度的能力，包括合理选择推拉杆的时机以及操作的平稳性等；其次，表现在飞行器的状态，例如速度和俯仰角等。由于飞行器的特性，飞行员的操作不一定会立即反映在飞行器的状态上。飞行员通过控制不同的操纵面来操纵飞行器，每个操纵面都有其独特的特性。飞行员需要准确了解每个部件的特性和操作方法，否则早期、延迟或错误的操作可能会产生严重后果。因此，评价飞行员的操作需要综合考虑飞行员的操作行为和飞行器的状态参数。

由于快速存储记录器（QAR）所记录的数据能够直观反映航空器实际的飞行状态，目前，已有学者利用QAR数据进行飞行操作行为的分析和研究，如汪磊等［7］提出基于QAR数据的飞行员不安全操作行为量化评价方法，根据飞行员操作行为特点，提出相关评价指标，实现飞行员操作行为的定量计算。同时，部分学者还提出，应该将心理学和QAR数据相结合来评估飞行员的操作，并充分考虑飞行员的心理状态，比如孙瑞山等［8］基于操作行为心理学原理，给出完整性、平稳性、准确性、及时性四个方面参数作为描述飞行员操作特征的指标向量，定量评价飞行员操作水平。利用QAR数据进行飞行员的飞行水平评估，将会成为未来飞行员操作分析的主要研究方向。

2.3环境影响研究

随着航空业的快速发展，航空器的排放也在迅速增加，其污染物排放量占总量的比重越来越大。此外，随着全球环保意识的增强和我国大力发展绿色民航，更多的学者开始关注航空运输的污染物排放问题。

污染物的种类有很多，其中一氧化碳（CO）、二氧化硫（SO2）和尾气颗粒物（PM）等属于航空领域内发动机排放出的有害物质。污染物的排放不可避免，因此从根源上杜绝是不现实的，那么就要考虑去控制污染物的排放，对于排放的控制主要是针对发动机排放量的准确估量，这个预估取决于很多运行参数，比如发动机的审定数据、燃油的流量数据、各个飞行阶段的时间、飞行的高度以及大气温度等。

对于其发动机排放量的预估，之前的研究属于传统的方法，具体的流程为：首先根据国际民航组织的参考值，也可以是飞行动力学模拟得出上述相关的飞行参数；接着是直接根据这些参数对排放的量进行估算，抑或是利用模型通过分析得出航空大气污染物的排放量。这种方法相对具有约束性，目前，随着大数据的发展，航空器的QAR数据越来越完整，比如在QAR数据中，它直接就包含了航班实际的LTO阶段里程、发动机实际的所有相关参数数值，因此目前运用QAR数据来对航空器发动机排放量的估算。该种方法会更加贴切航空器的运行，从而更好地定量评价航空运输对环境的影响程度，达到优化LTO和飞行降低油量的消耗减少成本的同时可以做到减少颗粒污染物的排放。该种研究方法的具体流程为：首先通过提取QAR数据汇总影响发动机排放的关键参数，比如燃油的流量、气压的高度、表速等，根据数据划分出飞行的各个阶段；接着根据提取出的燃油消耗量结合每一个飞行阶段时间，计算得出各个阶段的燃油消耗总量；最后运用已有的方法即一阶逼近3.0方法来得出航空器每个阶段的污染物排放量，再通过ICAO气体排放模型去计算其他相关污染物的排放情况，得到具体的排放数据。

基于QAR数据的航空器排放研究，可以从科学的角度为航空公司提出减排方法，如改善机队组合、优化场景操作程序、调整航线和巡航模式等。不同的学者关注不同飞行阶段的排放，并都在试图获得更准确的排放量，但仍然没有一个模型能够计算不同污染物在不同飞行阶段的准确排放量。随着对航空器尾气排放研究的深入，无论是气体还是颗粒物污染物的排放都将变得越来越准确，影响也将更加可预测，使航空公司能够对节能减排做出更合适的规划。

2.4航空器油耗检测

对于我国航空公司而言，由于劳动力成本较低，其第一大成本为燃油成本，目前燃油成本约占我国航空公司总成本的40%以上。由此可知，提高检测燃油消耗和控制燃料成本对民航业来讲至关重要。

油耗检测的基础是要先了解航空器航线飞行的情况，航空器从起飞机场飞往目的地机场的一个起降过程中可分为滑出段、爬升段、巡航段、下降段、滑入段等五个阶段，区分这五个阶段的关键在于确定巡航段的起始点与结束点，这些内容相关数据可在QAR中获取。

在1998年，中国境内注册的运输机都安装了快速存取记录器（QAR）之后，研究人员开始从QAR数据中挖掘与燃油效率相关的参数。在最初的研究中，数学统计被用于对起飞［9］、巡航、着陆和地面滑行［10］期间发动机的燃料消耗进行建模和分析。在此基础上，曹慧玲等［11］利用多元统计算法和MATLAB软件建立了适用于各种发动机模型的仿真平台，以估计每个阶段的油耗。与此同时，随着大数据理论和计算机算法的发展，基于相关度和信号分解的新算法研究也开始出现。同时，随着神经网络和机器学习算法的出现及优化［1213］，研究人员将大数据处理方法应用于油耗计算和预测的研究中。油耗模型的建立可以更好地估计发动机性能，控制节油油量，从而更准确地预测油耗，但也存在一些耗时和工作量的问题。与上面所述的建模和仿真分析方法不同，Ye等［14］提出了一种基于发动机固有机械特性的方法，而无需建模，通过使用QAR数据匹配飞行条件，进行燃料流量的预测。这种方法大大减少了验证的时间和成本，为研究QAR数据提供了一种新的途径。

此外，对燃油消耗进行检测及预测，一方面可以为减少燃油消耗做准备；另一方面，随着民航业的大力发展，环境状态也受到发动机燃烧产生的有毒害气体影响，对其进行检测进一步减少油耗的同时也要尽量减少污染物的排放。

2.5航空器维修

航空器系统结构复杂，在对航空器进行故障处理时需要综合参考各种情况，包括机组对故障状况的反映情况、整个航线排故过程，以及工程师利用QAR数据分析的结果等，再基于系统本身原理及检测结果，最终确定故障原因。在整个排故过程中，通过QAR数据可以快速定位故障，为航空器维修管理工作提供数据，简化维修程序、缩短维护时间，进而降低维修成本。

在研究领域，目前的学者主要聚焦于对航空器故障监测识别和故障监控机制的研究。杨慧［15］针对故障检测中异常数据检测问题，提出一种适用于QAR数据的离群点检测算法，通过计算均值参考点到拟合航空器参数曲线的距离来判断并找出可能的离群点，来发现航空器中的故障数据，有效解决部分航空器故障的离群点检测问题。JooSungKim［16］开发了QAR数据获取与可视化系统，可以以图形方式展示数据，帮助维修工程师快速简便地分析发动机参数，并实现对发动机问题的自动监测。

3结论

随着技术和算法的发展，使用QAR数据的研究越来越全面。本文从飞行安全管理、飞行员操作特征分析、环境影响研究、航空器油耗检测、航空器维修五个方面来阐述。其中，飞行安全管理和飞行员操作是目前研究的主要领域。与此同时，随着绿色发展相关理念的发展，对航空大气污染物排放的研究也成为近年来QAR数据研究的热点。对排放污染物量的估计至今还没有一个能完全使用又精确的模型，是未来研究的一大努力方向。此外，对QAR数据的研究需要相对专业和广泛的知识储备，相关学者不仅要熟悉飞机飞行的相关操作和参数，还要掌握处理和分析QAR数据的方法。尤其是QAR数据参数众多，不同研究对象需要研究不同的参数，目前参数之间的关系并未得到充分研究，需要进一步对QAR数据参数进行关联挖掘。

参考文献：

［1］中国民用航空局飞行标准司AC121/135FS201245.飞行品质监控（FOQA）实施与管理，2012215.

［2］飞行品质监控（FOQA）实施与管理［Z］.中国民用航空局飞行标准司，2012215.

［3］中国民用航空局.CCAR121R4.大型飞机公共航空运输承运人运行合格审定规则.2010.

［4］孙瑞山，杨绎煊.航空器起飞擦机尾事件的风险预测研究［J］.安全与环境工程，2016，23（2）：153156.

［5］汪磊，杨星月.基于蒙特卡洛方法的着陆擦机尾风险预测［J］.中国安全生产科学技术，2019，15（2）：4550.

［6］C.Tong，X.Yin，S.Wang，etal.Anoveldeeplearningmethodforaircraftlandingspeedpredictionbasedoncloudbasedsensordata［J］.FutureGenerationComputerSystems，2018，88：552558.

［7］汪磊，邹颖，王朔.QAR数据驱动的飞行员不安全操作行为量化评价［J］.中国安全科学学报，2023，33（05）：4956.

［8］孙瑞山，肖亚兵.基于QAR记录数据的民航飞行员操作特征指标结构研究［J］.中国安全生产科学技术，2012，8（11）：4954.

［9］ZhangM，HuangQW，LiuSH，etal.FuelConsumptionModeloftheClimbingPhaseofDepartureAircraftBasedonFlightDataAnalysis［J］.Sustainability，2019，11（16）：23.

［10］OhEM，KimH，JeonD，etal.AModelforEstimationofFuelConsumptionduringAircraftTaxiOperations，2018Ieee/Aiaa37thDigitalAvionicsSystemsConference，NewYork：Ieee，2018：266271.

［11］CAOHuiling，JIAChao.ResearchonfuelflowcontrollawofcivilaviationenginebasedonQAR［J］.ScienceTechnologyandEngineering，2013，13（13）：38143817+3827.

［12］WangK，ChenJJ，Ieee.AnIntervalPredictionMethodforImbalancedFuelConsumptionData［C］.ChineseAutomationCongress（CAC），2020：824829.

［13］WuZX，LuoWZ，ChenC，etal.ResearchonInfluencingFactorsofFuelFlowBasedonQARData［M］.NewYork：Ieee，2020.

［14］YeLS，CaoL，WangXH.EVALUATINGFUELCONSUMPTIONFORCONTINUOUSDESCENTAPPROACHBASEDONQARDATA［J］.PrometTraffic&Transportation，2019，31（4）：407421.

［15］杨慧，王丽婧.基于聚类和拟合的QAR数据离群点检测算法［J］.计算机工程与设计，2015，36（1）：174177.

［16］JooSungKim，SungGyuLee，SangYoungKim ;etal.ARapidQARDataAcquisitionandVisualizationSystemforAircraftEngineMaintenances［C］.ProceedingsofiiWAS2009：669673.

项目：民航安全能力建设项目（ASSA2023/29）

作者简介：贺刚（1986—），男，天津人，硕士，研究方向：管理及数据应用。

*通讯作者：卢飞（1984—），男，山东新泰人，博士，副教授，研究方向：交通运输规划与管理。